Chap5 数据可视化

1、第第5 5章章 数据可视化数据可视化朝乐门 中国人民大学P. 2 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化内容简介数据科学中的基础知识图5-1数据科学中的可视化处理（1）P. 3 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化目录目录图5-1数据科学中的可视化处理（2）P. 4 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化学习目的了解了解 数据可视化在数据科学中的重要地位；数据可视化领域的代表性人物及其著作；数据可视化技术及其应用的发展现状与趋势；理解理解 数据可视化的主要类型、基本模型及评价与改

2、进；掌握掌握 数据可视化的基本方法及其在R中的实现方法；熟练掌握熟练掌握 读者自己所在专业领域中常用的数据可视化方法、技术与工具。学习目的P. 5 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 数据可视化在数据科学中的重要地位主要表现在以下3个方面：（1）视觉是人类获得信息的最主要途径）视觉是人类获得信息的最主要途径（2）相对于统计分析，数据可视化的主要优势体现在两）相对于统计分析，数据可视化的主要优势体现在两个方面个方面（3）可视化能够帮助人们提高理解与处理数据的效率）可视化能够帮助人们提高理解与处理数据的效率P. 6 参考书：朝乐门.数据科学M.北京:清华大

3、学出版社, 2016.5.数据可视化（1）视觉是人类获得信息的最主要途径）视觉是人类获得信息的最主要途径 视觉感知是人类大脑的最主要功能之一，视觉感知是人类大脑的最主要功能之一，超过50%的人脑功能用于视觉信息的处理 眼睛是感知信息能力最强的人体器官之一眼睛是感知信息能力最强的人体器官之一。最高带宽可以带到100MB/S。 I see（2）相对于统计分析，数据可视化的主要优势体现在两）相对于统计分析，数据可视化的主要优势体现在两个方面个方面 数据可视化处理可以洞察统计分析无法发现的结构和细数据可视化处理可以洞察统计分析无法发现的结构和细节。节。Anscombe的四组数据的四组数据（Anscom

4、bes Quartet）。 数据可视化处理结果的解读对用户知识水平的要求较低数据可视化处理结果的解读对用户知识水平的要求较低P. 7 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化表5-1 Anscombe的四组数据（Anscombes quartet）IIIIIIIVxyxyxyxy10.08.0410.09.1410.07.468.06.588.06.958.08.148.06.778.05.7613.07.5813.08.7413.012.748.07.719.08.819.08.779.07.118.08.8411.08.3311.09.2611.07.8

5、18.08.4714.09.9614.08.1014.08.848.07.046.07.246.06.136.06.088.05.254.04.264.03.104.05.3919.012.5012.010.8412.09.1312.08.158.05.567.04.827.07.267.06.428.07.915.05.685.04.745.05.738.06.89P. 8 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化图5-2 Anscombes quartet的可视化显示P. 9 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化（

6、3）可视化能够帮助人们提高理解与处理数据的效率。）可视化能够帮助人们提高理解与处理数据的效率。John Snow采用数据可视化的方法研究伦敦西部西敏市苏活区霍乱。 1736年哥尼斯堡的七座桥推动了图论与几何拓扑学的出现。图5-2 John Snow的鬼地图（Ghost Map）P. 10 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化目录目录图5-1数据科学中的可视化处理（2）P. 11 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.1主要类型 在狭义上，数据可视化是与信息可视化，科学可视化和可视分析学平行的概念，而在广义上数据可

7、视化可以包含这3类可视化技术。5.1主要类型P. 12 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.1.1科学可视化科学可视化主要面向自然科学，尤其是地理、物理、化学、医学、生物学、气象气候、航空航天等学科领域。根据科学数据的特征，科学可视化可分为： 标量场可视化标量场可视化 向量场可视化向量场可视化 张量场可视化张量场可视化5.1主要类型P. 13 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 标量场可视化标量场可视化：标量场指二维、三维或四维空间中每个采样处都有一个标量值的数据场。标量场的可视化一般采用映射为颜色或透明度、

8、等值线或等值面、直接体绘制等方法。5.1主要类型图5-3 等高线P. 14 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 向量场可视化向量场可视化：与标量场可视化不同的是，向量场可视化以向量为单位进行采样，具有一定的方向性。5.1主要类型图5-4 我国冬季季节性风向示意图P. 15 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 张量场可视化张量场可视化：张量是矢量的延伸，标量是0阶张量，而矢量是1阶张量。张量场的可视化方法有3种，即基于纹理、几何和拓扑的可视化方法。5.1主要类型P. 16 参考书：朝乐门.数据科学M.北京:清华大

9、学出版社, 2016.5.数据可视化5.1.2信息可视化 与科学可视化相比，信息可视化更关注抽象且应用层次的可视化问题，一般具有具体问题导向。 Charles Joseph Minard以可视化方式呈现过1812-1913年间拿破仑进军俄罗斯惨败而归的历史事件。5.1主要类型图5-5 拿破仑进军俄罗斯惨败而归的历史事件的可视化图P. 17 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化根据可视化对象的不同，信息可视化可归为多个方向： 时空数据可视化 数据库及数据仓库的可视化 文本信息的可视化 多媒体或富媒体数据的可视化5.1主要类型P. 18 参考书：朝乐门.数据

10、科学M.北京:清华大学出版社, 2016.5.数据可视化5.1.3可视分析学 可视分析学（可视分析学（Visual analytics）是一门以可视交互为基础，综合运用图形学、数据挖掘和人机交互等技术等多个学科领域的知识，以实现人机协同完成可视化任务为主要目的分析推理性学科。5.1主要类型图5-3 可视化分析学及其相关学科P. 19 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化目录目录图5-1数据科学中的可视化处理（2）P. 20 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.2.1顺序模型5.2基本模型图5-6 数据可视化的顺

11、序模型P. 21 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.2.2反馈模型5.2基本模型图5-7 数据可视化的循环模型P. 22 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化与可视化顺序模型相比，主要变化体现在3个方面： 重视信息反馈重视信息反馈 突出用户交互突出用户交互 强调任务导向强调任务导向5.2基本模型P. 23 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.2.3分析模型 可视分析学将人机交互、图形学、数据挖掘等引入可视化之中，不仅拓展了可视化研究范畴，而且还改变了可视化研究的关注

12、点。5.2基本模型P. 24 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.2基本模型图5-8 可视化分析学模型P. 25 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化可视分析学的流程具有如下特点： 强调数据到知识的转换过程。强调数据到知识的转换过程。 强调可视化分析与自动化建模之间的相互作用强调可视化分析与自动化建模之间的相互作用。 强调数据映射和数据挖掘的重要性。强调数据映射和数据挖掘的重要性。 强调数据预处理工作的必要性。强调数据预处理工作的必要性。 强调人机交互的重要性。强调人机交互的重要性。5.2基本模型P. 26 参

13、考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化目录目录图5-1数据科学中的可视化处理（2）P. 27 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法5.3常用方法图5-9 数据可视化的方法体系P. 28 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3.1视觉编码 数据可视化本质是视觉编码。数据可视化本质是视觉编码。5.3常用方法图5-10 视觉编码P. 29 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化（1）图形元素图形元素：通常为几何图形元素，如点、线、

14、面、体等，主要用来刻画数据的性质，决定数据所属的类型。5.3常用方法图5-11 2015级某专业各班班级平均年龄P. 30 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化（2）视觉通道视觉通道：图形元素的视觉属性，如位置、长度、面积、形状、方向、色调、亮度和饱和度等5.3常用方法图5-12 视觉图形元素（列）与视觉通道（行）P. 31 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-13 失败的可视化编码P. 32 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3.2统计图表（1）饼

15、图（饼图（Pie Chart）（2）等值线（等值线（Contour Map）（3）散点图（散点图（Scatter Diagram）（4）维恩图（维恩图（Venn Diagram）（5）热地图（热地图（Heat Map）（6）箱线（）箱线（Box-plot）图）图（7）雷达图（雷达图（Radar Chart）5.3常用方法P. 33 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 饼图（饼图（Pie Chart）5.3常用方法图5-15某班级生源比例示意图P. 34 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 等值线（等值线（Con

16、tour Map）5.3常用方法图5-16某海平面的等压线P. 35 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 散点图（散点图（Scatter Diagram）5.3常用方法图5-17 散点图的示例P. 36 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-18 散点图矩阵P. 37 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 维恩图（维恩图（Venn Diagram）5.3常用方法ABCD图5-19 维恩图示例P. 38 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2

17、016.5.数据可视化 热地图（热地图（Heat Map）5.3常用方法图5-20 CouponS网站的访问量的热点图P. 39 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-21 CNN对奥巴马赢得2012年美国大选结果的可视化P. 40 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 箱线（箱线（Box-plot）图）图5.3常用方法图7-22 箱线（Box-plot）图的画法P. 41 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 雷达图（雷达图（Radar Chart）5.3

18、常用方法图5-23 雷达图示例P. 42 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3.3图论方法5.3常用方法图5-24 采用社会网络方式可视化国际贸易数据P. 43 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图 7-25 社会网络示例P. 44 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-26 社会网络中的齐美尔连带P. 45 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3.4视觉隐喻（1）直接在现实图像上进行视觉隐喻

19、（2）对现实事物，甚至是虚拟事物（如龙等）进行了一定的抽象处理之后，再进行视觉隐喻，5.3常用方法P. 46 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化（1）直接在现实图像上进行视觉隐喻5.3常用方法图5-27 视觉隐喻的示例美国政府机构的设置P. 47 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-27 视觉隐喻的示例我的家族P. 48 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-27 视觉隐喻的示例需求层次金字塔P. 49 参考书：朝乐门.数据科学M.北京

20、:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-28 视觉隐喻的示例因果关系P. 50 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化（2）对现实事物，甚至是虚拟事物（如龙等）进行了一定的抽象处理之后，再进行视觉隐喻，比较有典型的是鱼刺图（图5-28）和树型结构图（图5-29）。5.3常用方法图5-28 鱼刺图的示例P. 51 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-29 树状图的示例P. 52 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-2

21、9 金字塔的示例P. 53 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3.5图形符号学图形符号学图形符号学的起源可以追溯至Jacques Bertin（图5-30）于1967年出版的著作图形的符号学（Semiology of Graphics） 图形符号：点、线、面 位置变量：二维平面上的位置； 视网膜变量：尺寸、数值、纹理、颜色、方向和形状。5.3常用方法P. 54 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-30 图形的符号学的创始人Jacques BertinP. 55 参考书：朝乐门.数据科学M.

22、北京:清华大学出版社, 2016.5.数据可视化 Wilkinson，图形学的语法（The Grammar of Graphics）图形语法规范： 数据：从数据集中生成变量的数据操作； 转换：数据变量间的转换； 框架：变量空间，包括变量之间的操作； 标度：标度之间的转换； 坐标：坐标系统； 图形：标准图形（对应于Bertin的图形符号）及其美学术性（对应于Bertin的视模网变量）； 参考：用于图形对象的对齐、分类和比对。P. 56 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3.6面向领域的方法 数据可视化技术的发展呈现出了高度专业化趋势，很多应用领域已出

23、现了自己独特的数据可视化方法 1931年，一位名叫Henry Beck的机械制图员（图5-31）借鉴电路图的制图方法设计出了伦敦地铁线路图5.3常用方法图5-31 Henry Beck（来源：伦敦交通博物馆）P. 57 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.3常用方法图5-32 Harry Beck的伦敦地铁线路图P. 58 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化目录目录图5-1数据科学中的可视化处理（2）P. 59 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.4视觉编码 视觉编

24、码的关键在于找到符合目标用户群的视觉感知习惯的表达方法，同一个数据的可视化编码结果可能有多种，但对目标用户群中产生的视觉感知可能不同。5.4视觉编码P. 60 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.4.1视觉感知 （1）视觉感知）视觉感知是指客观事物通过视觉感觉器官（眼睛等）在人脑中产生直接反映的过程。5.4视觉编码图5-33 视觉突出的示例P. 61 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 （2）视觉认知）视觉认知是指个体对视觉感知信息的进一步加工处理过程，包括视觉信息的抽取、转换、存储、简化、合并、理解和决策等

25、加工活动。 完图法则（又称Gestalt法则）较好地解释了人类视觉感知和认知过程一项重要特征：人类的视觉感知活动往往倾向于将被感知对象当作一个整体去认知，并理解为与自己经验相关的、简单的、相连的、对称的或有序的以及基于直觉的完整结构。 因此，视觉感知结果往往不等同于感知对象的各部分的独立感知结果之和。5.4视觉编码P. 62 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.4视觉编码图5-34 完图法则的示例P. 63 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.4.2数据类型 从可视化处理视角看，我们可以将数据分为4个类型：

26、定类、定序、区间型和比值型，并采用不同的视觉映射方法。5.4视觉编码表5-2 数据类型及所支持的操作类型P. 64 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.4.3视觉通道5.4视觉编码表5-5 数据类型与视觉通道的对应关系图P. 65 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.4视觉编码图5-35 视觉通道的选择与展示P. 66 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 在数据来源和目标用户已定的情况下，不同视觉通道的在数据来源和目标用户已定的情况下，不同视觉通道的表现力不同表现力

27、不同。视觉通道的表现力视觉通道的表现力的评价指标包括： “数据表现力”是指视觉通道在对数据进行视觉编码时，需要表达且仅仅表达数据的完整属性。 精确性精确性 可辨认性可辨认性 可分离性可分离性 视觉突出性视觉突出性5.4视觉编码P. 67 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 精确性精确性5.4视觉编码图5-36 视觉通道的准确性对比P. 68 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 可辨认性可辨认性5.4视觉编码图5-36 某公司产品销售示意图P. 69 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.

28、5.数据可视化 可分离性可分离性5.4视觉编码图5-37 可分离性差的示例P. 70 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 由于不同视觉通道具有不同的表现力，因此数据的可视化编码过程中应忠于原始数据、目标用户的感知特征以及可视化表示的目的，选择高表现力的可视化图形元素及视觉通道。 一般情况下采用高表现力的视觉通道表示可视化工作要重点刻画的数据或数据的特征。5.4视觉编码P. 71 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.4.4视觉假象（1）可视化视图所处的上下文（周边环境）可能导）可视化视图所处的上下文（周边环境）

29、可能导致视觉假象。致视觉假象。（2）人们对亮度和颜色的相对判断容易造成视觉假）人们对亮度和颜色的相对判断容易造成视觉假象。象。（3）目标用户的经历与经验可能导致视觉假象。）目标用户的经历与经验可能导致视觉假象。5.4视觉编码P. 72 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化（1）可视化视图所处的上下文（周边环境）可能导致视觉）可视化视图所处的上下文（周边环境）可能导致视觉假象。假象。5.4视觉编码图5-38 上下文可能导致视觉假象的示例P. 73 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.4视觉编码图5-39 上下文可

30、能导致视觉假象的示例P. 74 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化（2）人们对亮度和颜色的相对判断容易造成视觉假象。）人们对亮度和颜色的相对判断容易造成视觉假象。5.4视觉编码图5-40 对亮度和颜色的相对判断容易造成视觉假象的示例P. 75 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化目录目录图5-1数据科学中的可视化处理（2）P. 76 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.5评价与改进5.5评价与改进Plan(计划)Do(执行)Check(检查)Action(改进)图5-4

31、1 数据可视化的PDCA循环P. 77 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.5.1测评原则 测评原则测评原则（1）忠于原始数据）忠于原始数据（2）尊重目标用户）尊重目标用户（3）突出重点）突出重点（4）强调用户体验）强调用户体验（5）较高的信度和效度）较高的信度和效度5.5评价与改进P. 78 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.5.2测评流程5.5评价与改进图5-42 数据可视化工作的测评流程P. 79 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.5.3测评方法（1）对

32、数据可视化工作的最终结果的评价方法，如专家访谈法、目标用户打分方法等。（2）对可视化工作的实现过程的评价方法：如提出面向数据可视化工作评价的过程成熟度评价方法。5.5评价与改进P. 80 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化目录目录图5-1数据科学中的可视化处理（2）P. 81 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.6应用案例【例5.1】 美国Oakland地区犯罪数据的可视化 Stamen Design 工作室的 Michal Migurski、Tom Carden和 Eric Rodenbeck曾研发过一种可

33、视化应用（/），主要以可视化方式显示Oakland地区发生的犯罪事件的统计数据。该应用的原始数据来自CrimeWatch，并进行必要的预处理后存放在自己的数据库之中，并进一步采用数据可视化技术实现了犯罪数据的可视化显示5.6应用案例P. 82 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化5.6应用案例图5-43 美国oakland犯罪地图P. 83 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 （1）从实现方法选择看，主要采用了本章介绍的统计图表方法，尤其是基于地图的数据可视化方法，可以通过浏览地图的方式找到对应的统计数据。 （2）从视觉编码角度看，其可视化图形元素及其视觉通道分别为圆圈及其填充颜色。采用不同颜色（及字母）代表了不同类型的犯罪事件，确保了较高的表现力。5.6应用案例P. 84 参考书：朝乐门.数据科学M.北京:清华大学出版社, 2016.5.数据可视化 （3